In many real-world situations, the probability of an event depends on whether another event has occurred. This relationship is captured by conditional probability. Conditional probability measures the likelihood of an event occurring given that another event has already happened.
The conditional probability of event
A box contains 6 white balls and 4 red balls. We randomly (and without replacement) draw two balls from the box. What is the probability that the second ball selected is red, given that the first ball selected is white?
Let
Now, we have 9 balls left in the box, and if the first drawn ball was white, we have 5 white and 4 red balls in the box. Hence,
What is the probability that two cards drawn from a 36-card deck belong to the same suit?
Let
$P(A) = 0.25$ -
$P(B|A) = 8/35 \approx 0.23$ since among the 35 cards left only 8 cards have the same suit as the first card drawn.
The probability that two events
or by
A drawer contains 6 black socks and 4 white socks. Two socks are drawn randomly, one after the other without replacement.
- a) What is the probability that the first sock is black and the second sock is also black?
- b) Use the multiplication rule to calculate the joint probability of both events.
Let event
$P(A) = 6/10 = 0.6$ $P(B|A) = 5/9 \approx 0.56$
And the joint probability, which is drawing black socks two times in a row, is given by
Now it is time for you to practice calculating conditional and joint probabilities.
A bag contains 5 red, 3 blue, and 2 green marbles. If a marble is drawn and is known to be not red, what is the probability that it is blue?
We have 3 blue and 2 green marbles, so a total of 5 not red marbles. Then the probability of drawing a blue marble given that it is known not to be red, is:
A company has 60 employees, 20 of whom are in management. If a randomly selected employee is in a meeting and 15 managers are currently in meetings while 25 non-managers are also in meeting, what is the probability that the employee is a manager?
The probability of selecting an employee, who is a manager, under the condition they are at the meeting, is
A factory produces 100 lightbulbs, of which 10 are defective. Two lightbulbs are selected randomly, one after the other without replacement.
- a) What is the probability that the first lightbulb selected is defective and the second lightbulb is not defective?
- b) Use the multiplication rule to calculate the joint probability of these two events.
We have 10 defective and 90 non defective bulbs before the experiment. The probability of the first lightbulb to be defective is
We have 99 bulbs left, 90 of which are not defective. The probability of the second lightbulb not to be defective is
And the joint probability, which stands for selecting a defective lightbulb and a non-defective one right after it is
- Conditional probability helps us understand how the likelihood of an event changes when we know that another event has occurred. This concept is fundamental in making informed decisions under uncertainty.
Koşullu olasılık, bir olayın, başka bir olayın zaten gerçekleştiği bilindiğinde ortaya çıkma olasılığını ifade eder. Başka bir deyişle, bir olayın gerçekleşme ihtimalini, elimizdeki ek bilgiye dayanarak yeniden hesaplamaktır.
Bu durumu bir örnekle açıklayalım:
Farz edelim ki, bir zar atıyorsunuz. Normalde "zarın 6 gelme olasılığı"
Peki, size "zarın çift sayı geldiği bilindiğinde, zarın 6 gelme olasılığı nedir?" diye sorsam?
-
İlk Durumdaki Tüm Olasılıklar (Örneklem Uzayı):
$$S = {1, 2, 3, 4, 5, 6} \quad \text{(6 durum)}$$ -
Yeni Durum (Verilen Ek Bilgi): "Zarın çift sayı geldiği bilgisi." Bu durumda, olasılık uzayımız küçülür. Sadece çift sayıların olduğu kümeye odaklanıyoruz:
$$\text{Yeni Durum} = {2, 4, 6} \quad \text{(3 durum)}$$ -
Koşullu Olasılık Hesaplaması: Bu yeni "olasılık uzayında" 6 gelme olasılığı nedir?
- İstenen durum sayısı (6 gelmesi): 1 durum
- Toplam durum sayısı (Yeni Durum): 3 durum
Bu yüzden, "zarın çift sayı geldiği bilindiğinde, zarın 6 gelme olasılığı"
$1/3$ 'tür.
Gördüğün gibi, ek bilgi sayesinde olasılık değeri
Koşullu olasılık genellikle şu şekilde gösterilir ve okunur:
Bu, "$B$ olayı gerçekleştiği bilindiğinde
Formülü ise şöyledir:
-
$P(A|B)$ : B olayı gerçekleştiğinde A olayının koşullu olasılığı. -
$P(A \cap B)$ : Hem$A$ olayının hem de$B$ olayının birlikte gerçekleşme olasılığı (Kesişim Kümesi). -
$P(B)$ :$B$ olayının gerçekleşme olasılığı.
Yukarıdaki zar örneğini formül ile doğrulayalım:
-
$A$ : Zarın 6 gelmesi olayı. -
$B$ : Zarın çift sayı gelmesi olayı.
-
$P(A \cap B)$ Hesaplaması:- Zarın hem 6 hem de çift sayı gelme olasılığı. Bu sadece 6 gelmesi olayıdır.
$$P(A \cap B) = 1/6$$
-
$P(B)$ Hesaplaması:- Zarın çift sayı gelme olasılığı. (Olasılık kümesi
${2, 4, 6}$ ) $$P(B) = 3/6 = 1/2$$
- Zarın çift sayı gelme olasılığı. (Olasılık kümesi
-
Formülde Yerine Koyma:
$$P(A|B) = \frac{P(A \cap B)}{P(B)} = \frac{1/6}{1/2}$$ -
Sonuç: $$P(A
Koşullu olasılık, günlük kararlarımızın ve çıkarımlarımızın birçoğunda farkında olmadan kullandığımız bir kavramdır. İşte bu kavramı daha iyi anlamak için bazı basit örnekler:
Senaryo: Sabah işe giderken iki farklı yol kullanma seçeneğin var. Normalde her iki yolda da trafik olasılığı aynıdır. Ancak, hava durumunu kontrol ettiğinde yağmur yağdığını görüyorsun.
- Olay A: Trafikte kalma olasılığın.
- Olay B: Yağmur yağması olayı.
Normalde
Senaryo: Belirli bir hastalığı taşıma riskin var. Normalde bu hastalığın toplumdaki görülme sıklığı
- Olay H: Hastalığı taşıma olasılığın.
- Olay P: Test sonucunun pozitif çıkması olayı.
Test yapılmadan önce hastalığı taşıma olasılığın
Senaryo: Bir iskambil destesinde bir kart çekiyorsun.
- Olay A: Çektiğin kartın karo (maça, kupa, sinek gibi bir tür) olması olasılığı.
- Olay B: Çektiğin kartın bir as olması olasılığı.
Normalde desteden rastgele bir kart çektiğinde, bir as gelme olasılığı
Bu durumda:
- Kırmızı kart sayısı: 26 (13 kupa, 13 karo)
- Kırmızı as sayısı: 2 (Kupa Ası, Karo Ası)
Yeni durumda as çekme olasılığın
Bu örnekler, koşullu olasılığın günlük hayatımızda nasıl işlediğini gösteriyor. Verilerimize yeni bir bilgi eklendiğinde, olayların olasılıklarını yeniden değerlendirmemiz gerektiğini hatırlatıyor.
Olasılıkta, olaylar arasındaki ilişkiyi anlamak, sonuçların gerçekleşme olasılığını doğru bir şekilde hesaplamak için hayati öneme sahiptir. Olaylar, birinin gerçekleşmesinin diğerinin olasılığını etkileyip etkilemediğine bağlı olarak bağımsız veya bağımlı olarak sınıflandırılır.
İki olay,
Matematiksel olarak bu, koşullu olasılık formülüyle ifade edilir:
Yani,
Koşullu olasılıktan gelen çarpma kuralında ($P(A \cap B) = P(A|B) \times P(B)$),
🎓 Tanım:
$A$ ve$B$ olayları, ancak ve ancak aşağıdaki koşulu sağlıyorsa bağımsızdır:
$$\mathbf{P(A \cap B) = P(A) \times P(B)}$$
Bir madeni parayı havaya attığımızı ve bir zar attığımızı düşünelim.
$P(A) = 1/2$ $P(B) = 1/6$ $P(A \cap B) = P(\text{Tura ve 4}) = P(A) \times P(B) = (1/2) \times (1/6) = 1/12$
Bir öğrenci anketine göre, öğrencilerin %10'u bisikletle işe/okula gidiyor ve %40'ının bir sevgilisi var. Bu iki olayın bağımsız olduğunu varsayarsak, öğrencilerin yüzde kaçı hem bisikletle gidiyor hem de sevgilisi var?
-
$B$ : Bisikletle gidiyor ($P(B) = 0.10$ ) -
$S$ : Sevgilisi var ($P(S) = 0.40$ )
Eğer
Yani, öğrencilerin %4'ü hem bisikletle gidiyor hem de sevgilisi var.
🎓 Tanım: İki olay,
$A$ ve$B$ , birinin gerçekleşmesinin diğerinin olasılığını etkilemesi durumunda bağımlıdır.
Bu ilişki, bağımsız olaylardaki eşitliğin bozulmasıyla ifade edilir:
ve çarpma kuralında koşullu olasılık kullanılır:
🎓 Tanım: İki olayın aynı anda gerçekleşmesi mümkün değilse, bu olaylara karşılıklı hariç (ayrık) olaylar denir.
$$\mathbf{P(A \cap B) = 0}$$ 🎯 Önemli Not: Bir olayın gerçekleşmesi, diğerinin gerçekleşmemesiyle sonuçlanacağından, karşılıklı hariç olan olaylar daima bağımlıdır. (Örn: Bir madeni paranın aynı anda hem Tura hem de Yazı gelmesi mümkün değildir.)
Aşağıdaki örneklerde olayların bağımlı mı yoksa bağımsız mı olduğunu belirleyelim:
Bir aile piknik yapmayı planlıyor.
Çözüm: Bu olaylar bağımlıdır, çünkü ailenin piknik yapıp yapmaması (
Bir kutuda 6 kırmızı ve 4 mavi top var. Art arda, yerine koymadan iki top çekiliyor.
Çözüm: Bu olaylar bağımlıdır, çünkü birinci çekilişin sonucu, ikinci çekilişte kutuda kalan top sayısını (hem toplam sayıyı hem de kırmızı top sayısını) değiştirir ve dolayısıyla
İki adet adil altı yüzlü zar atılıyor.
Çözüm: Bu olaylar bağımsızdır, çünkü birinci zarın sonucu, ikinci zarın sonucunu hiçbir şekilde etkilemez.
🎉 Olayların bağımsız mı yoksa bağımlı mı olduğunu anlamak, olasılıkları doğru bir şekilde hesaplamak için çok önemlidir. Bağımsız olaylar, olasılıkların doğrudan çarpılmasına olanak tanırken, bağımlı olaylar koşullu olasılık kullanımını gerektirir. Bu ayrımı yapmak, gerçek dünya olasılık problemlerini etkili bir şekilde çözmenin anahtarıdır.
In probability theory, understanding the relationship between events is essential for accurately calculating the likelihood of outcomes. Events are primarily classified as independent or dependent, determined by whether the occurrence of one event affects the probability of another.
Definition:
Two events,
Mathematical Expression: Independence is defined by the following multiplication rule:
This formula is derived from the multiplication rule for probability,
Consider flipping a fair coin and rolling a six-sided die.
- Event A: Getting Heads on the coin.
- Event B: Rolling a 4 on the die.
Since flipping a coin does not influence the outcome of rolling a die:
The probability of both events occurring is:
A survey suggests that
-
Event B: Student commutes by bike. (
$P(B) = 0.10$ ) -
Event S: Student has a significant other. (
$P(S) = 0.40$ )
Since
Solution:
Definition:
Two events,
Mathematical Expression: The relationship between dependent events is expressed using conditional probability and the general multiplication rule:
Where
Definition: Events are called mutually exclusive (or disjoint) when they cannot occur at the same time.
Mathematical Expression: This is expressed by:
Key Distinction:
Mutually exclusive events are a special type of dependent events. If
A family is planning a picnic. Let Event A be "it rains," and Event B be "the family has a picnic." Are the events
Solution:
These events are dependent because the family's decision to have a picnic (
A box contains 6 red balls and 4 blue balls. Two balls are drawn one after the other without replacement. Let Event A be drawing a red ball on the first draw, and Event B be drawing a red ball on the second draw. Are
Solution:
These events are dependent. The outcome of the first draw changes the composition of the remaining balls (the sample space) for the second draw. Specifically, if a red ball is drawn first (
Two fair six-sided dice are rolled. Let Event A be rolling a 4 on the first die, and Event B be rolling an even number on the second die. Are
Solution: These events are independent. The physical action and outcome of the first die roll have absolutely no influence on the physical action and outcome of the second die roll.
Understanding whether events are independent or dependent is crucial for accurately calculating probabilities. Independent events allow for the direct multiplication of probabilities, while dependent events require the use of conditional probability. Mastering this distinction is key to solving real-world probability problems effectively.
Aşağıdaki tablo, olasılık teorisindeki Bağımsız Olaylar ve Bağımlı Olaylar arasındaki temel farkları, formülleri ve örnekleriyle özetlemektedir.
| Özellik | Bağımsız Olaylar (Independent Events) | Bağımlı Olaylar (Dependent Events) |
|---|---|---|
| Tanım | Bir olayın gerçekleşmesi, diğer olayın gerçekleşme olasılığını kesinlikle değiştirmez. | Bir olayın gerçekleşmesi, diğer olayın gerçekleşme olasılığını değiştirir. |
| Koşullu Olasılık |
|
|
| Koşullu Formül | $$\mathbf{P(A | B) = P(A)}$$ |
| Çarpma Kuralı (Birlikte Olma) | İki olayın birlikte gerçekleşme olasılığı, tek tek olasılıklarının çarpımıdır. | İki olayın birlikte gerçekleşme olasılığı, koşullu olasılık kullanılarak hesaplanır. |
| Genel Formül | $$\mathbf{P(A \cap B) = P(A | |
| Gündelik Örnek | Bir madeni paranın tura gelmesi ve bir zarın 6 gelmesi. (Birbirini etkilemezler) | Yağmur yağması ve bir şemsiye almayı unuttuğun için ıslanma olasılığın. (Yağmur, ıslanma olasılığını artırır) |
| Kutu Örneği | Bir top çekip, topu geri koyarak tekrar çekmek (Replacement). | Bir top çekip, topu geri koymadan tekrar çekmek (Without Replacement). |
-
Olay A: Madeni paranın Tura gelmesi (
$P(A) = 1/2$ ) -
Olay B: Zarın 4 gelmesi (
$P(B) = 1/6$ )
İki olayın aynı anda gerçekleşme olasılığı:
Bir kutuda 5 Kırmızı (K) ve 5 Mavi (M) top var (Toplam 10 top). Ardışık iki top, geri koyulmadan çekiliyor.
-
Olay B: İlk çekilen topun Kırmızı olması (
$P(B) = 5/10$ ) - Olay A: İkinci çekilen topun Kırmızı olması
İki Kırmızı topun ardışık çekilme olasılığı: